torch.sparse_compressed_tensor

torch.sparse_compressed_tensor(compressed_indices, plain_indices, values, size=None, *, dtype=None, layout=None, device=None, requires_grad=False, check_invariants=None) → Tensor

Создаёт разреженный тензор в формате Compressed Sparse - CSR, CSC, BSR или BSC - со значениями в заданных compressed_indices и plain_indices. Операции умножения разреженных матриц в формате Compressed Sparse, как правило, быстрее, чем для разреженных тензоров в формате COO. Обратите внимание на примечание о типе данных индексов.

Примечание

Если аргумент device не указан, устройство тензоров с заданными values и индексами должно совпадать. Однако, если аргумент указан, входные тензоры будут преобразованы к указанному устройству, что, в свою очередь, определит устройство созданного разреженного тензора.

Параметры

• compressed_indices (array_like) – (B+1)-мерный массив размером (*batchsize, compressed_dim_size + 1). Последний элемент каждого пакета — количество ненулевых элементов или блоков. Этот тензор кодирует индекс в values и plain_indices в зависимости от того, где начинается заданная сжатая размерность (строка или столбец). Каждое последующее число в тензоре, вычтенное из предыдущего числа, обозначает количество элементов или блоков в данной сжатой размерности.
• plain_indices (array_like) – Координаты простой размерности (столбец или строка) каждого элемента или блока в значениях. (B+1)-мерный тензор с той же длиной, что и значения.
• values (array_list) – Начальные значения для тензора. Может быть списком, кортежем, NumPy ndarray, скаляром и другими типами. который представляет (1+K)-мерный (для CSR и CSC схем расположения) или (1+2+K)-мерный тензор (для BSR и BSC схем расположения), где K — количество плотных измерений.
• size (list, tuple, torch.Size, optional) – Размер разреженного тензора: (*batchsize, nrows * blocksize[0], ncols * blocksize[1], *densesize) где blocksize[0] == blocksize[1] == 1 для форматов CSR и CSC. Если не указан, размер будет определён как минимальный размер, достаточный для размещения всех ненулевых элементов или блоков.

Ключевые аргументы

• dtype (torch.dtype, optional) – желаемый тип данных возвращаемого тензора. По умолчанию: если None, тип данных определяется по values.
• layout (torch.layout, required) – желаемое расположение возвращаемого тензора: torch.sparse_csr, torch.sparse_csc, torch.sparse_bsr, или torch.sparse_bsc.
• device (torch.device, optional) – желаемое устройство возвращаемого тензора. По умолчанию: если None, используется текущее устройство для стандартного типа тензора (см. torch.set_default_tensor_type()). device будет CPU для тензоров типа CPU и текущее CUDA-устройство для тензоров типа CUDA.
• requires_grad (bool, optional) – Если автограду следует записывать операции над возвращаемым тензором. По умолчанию: False.
• check_invariants (bool, optional) – Если проверяются инварианты разреженного тензора. По умолчанию: как возвращается torch.sparse.check_sparse_tensor_invariants.is_enabled(), изначально False.

Пример::

>>> compressed_indices = [0, 2, 4]
>>> plain_indices = [0, 1, 0, 1]
>>> values = [1, 2, 3, 4]
>>> torch.sparse_compressed_tensor(torch.tensor(compressed_indices, dtype=torch.int64),
...                                torch.tensor(plain_indices, dtype=torch.int64),
...                                torch.tensor(values), dtype=torch.double, layout=torch.sparse_csr)
tensor(crow_indices=tensor([0, 2, 4]),
       col_indices=tensor([0, 1, 0, 1]),
       values=tensor([1., 2., 3., 4.]), size=(2, 2), nnz=4,
       dtype=torch.float64, layout=torch.sparse_csr)